Perceptron: Razlika med redakcijama
m robot Dodajanje: sv |
m restub |
||
Vrstica 15: | Vrstica 15: | ||
* [http://www.cis.hut.fi/ahonkela/dippa/node41.html Matematično ozadje perceptrona] |
* [http://www.cis.hut.fi/ahonkela/dippa/node41.html Matematično ozadje perceptrona] |
||
* [http://library.thinkquest.org/18242/perceptron.shtml Perceptron demo applet in predstavitev s primeri] |
* [http://library.thinkquest.org/18242/perceptron.shtml Perceptron demo applet in predstavitev s primeri] |
||
== Glej tudi== |
== Glej tudi== |
||
*[[Umetna inteligenca]] |
*[[Umetna inteligenca]] |
||
*[[SOM]] |
*[[SOM]] |
||
Vrstica 25: | Vrstica 23: | ||
*[[Prepoznavanje vzorcev]] |
*[[Prepoznavanje vzorcev]] |
||
{{stub}} |
{{comp-stub}} |
||
[[Kategorija:Računalništvo]] |
[[Kategorija:Računalništvo]] |
Redakcija: 01:30, 27. december 2005
Perceptron je najbolj razširjena nevronska mreža. Prvi ga je predstavil Frank Rosenblatt leta 1958. Vse povezave med nevroni so pri perceptronu usmerjene naprej. Vhodne in izhodne vrednosti so lahko poljubne zvezne spremenljivke. Učenje poteka postopoma in traja dokler ni napaka dovolj mala.
Enoslojni perceptron
Vsi nevroni so razvrščeni v en sloj (eno vrsto). Rešuje razmeroma preproste naloge. Učenje poteka po Hebbovem pravilu. Marvin Minsky in Seymour Papert sta leta 1969 dokazala, da enoslojni Perceptron ne more rešiti XOR problema.
Večslojni perceptron (MLP)
Če damo na izhod enoslojnega perceptrona še en sloj nevronov dobimo dvoslojni perceptron. To lahko večkrat ponavljamo in dobimo večslojni perceptron. Tako dobljeni perceptron lahko rešuje težje naloge od enoslojnega. Med drugim tudi XOR problem. Učenje je drugačno kot pri enoslojnem perceptronu. Najbolj znano učenje je backpropagation.
Zunanje www povezave
- Java-applet perceptrona
- Zgodovina perceptrona
- Matematično ozadje perceptrona
- Perceptron demo applet in predstavitev s primeri